可乐猪乳头数性状全基因组关联分析

乳头数性状是猪最重要的繁殖性状之一,与养猪业的经济效益密切相关。本试验以Illunima Porcine SNP 60K芯片对22头可乐猪进行基因分型,通过Plink 1.07软件,基于混合线性模型对左乳头数、右乳头数和总乳头数性状进行全基因组关联分析。经过严格的质量控制和多重检验之后,共鉴定出全基因组水平潜在关联的SNPs位点4个（P<2.06E-5）;染色体水平显著关联位点3个,潜在关联位点18个;在关联SNP位点可能连锁的上、下游1 cM区间内检索到304个基因,其中Wnt及Fgf信号通路中的候选基因BTRC、FGF5、FGF8和BMP3、RASGEF1B、HMGB3可能影响猪的乳头数性状或繁殖性状。通过全基因组关联分析策略发掘出的关联SNP位点及潜在候选基因,将为可乐猪的选育保种奠定基础。     

基于单倍型肉牛屠宰性状全基因组关联分析研究

单倍型标记与数量性状基因座(quantitative trait loci,QTL)之间具有较强的连锁不平衡(linkage disequilibrium,LD)关系,在基因定位和因果突变鉴定方面具有较高的应用价值。为了评估单倍型标记在基因组研究中的作用,本研究在华西牛资源群体中,选取该群体于2008—2021年间屠宰的共计1 478头平均月龄为24个月的个体进行研究,其中公牛1 333头,母牛145头。利用770K高密度芯片数据,基于LD阈值(r²>0.3)及固定单核苷酸多态(single nucleotide polymorphism,SNP)个数(5个连续SNP)两种方法进行单倍型构建,分别采用单位点SNP标记和两种单倍型标记共3种标记,基于GCTA的混合线性模型(mixed linear model,MLM),开展宰前活重(LW)和屠宰率(DP)等屠宰性状的全基因组关联分析(genome-wide association study,GWAS),定位影响屠宰性状的显著(P<0.05) SNPs、单倍型块和候选基因,同时比较3种标记的GWAS结果,评估3种标记的优劣。结果显示,3种标记在全基因组范围内共找到16个的显著SNPs及单倍型区域,主要分布于1、5、6、14、16、17和28号染色体上,同时鉴定到FAM184B、PPM1K、LCORL、RIMS2等10个与屠宰性状相关的候选基因,其中,基于SNP标记方法鉴定到的3个候选基因,在利用基于单倍型标记的方法中也鉴定到,且单倍型鉴定到的显著性位点或区域大多位于基因内部。在两种单倍型构建方法中,与基于固定SNP个数构建单倍型进行GWAS相比,基于LD阈值的构建方法鉴定到了更多候选基因。本研究结果表明,以单倍型开展GWAS可以综合考虑SNP位点间连锁关系,能较好地揭示复杂性状的遗传结构。     

鸡血糖性状的全基因组关联分析

旨在挖掘影响鸡血糖性状的有效SNP位点及功能基因,为优质肉鸡分子育种工作提供有效的理论支撑。本试验选取407只京星黄母鸡于98日龄屠宰,酚仿法提取血液DNA,进行深度为10×的全基因组重测序;葡萄糖氧化酶法测定血清中血糖水平,基于全基因组重测序和血糖表型数据进行全基因组关联分析（GWAS）。结果,GWAS共筛选到6个血糖相关的SNPs位点（关联阈值P<1.43×10^-6）。基因注释发现,rs734134177在UBE3D基因第8内含子上,其编码蛋白为泛素蛋白连接酶。该位点携带野生型（AA）个体的血糖水平极显著高于突变型（GG）个体（P<0.01）;rs794554022位于ACAD9基因下游D 93.5 kb处。ACAD9蛋白为酰基辅酶A脱氢酶家族的成员之一,是细胞线粒体中脂肪酰基辅酶A进行β-氧化过程中的限速酶。rs794554022位点携带野生型（AA）个体的血糖水平极显著低于携带突变型（CC）个体的（P<0.01）。以上位点可能是调控血糖水平的相关候选SNPs位点,这两个位点所在基因可能参与了肉鸡血糖代谢的调控过程,这些结果将为调控肉鸡血糖代谢进而改善肉品质的育种工作提供候选的分子标记,为肉鸡血糖代谢的调控提供了新的思路。     

儋州鸡体尺性状全基因组关联分析

【目的】 挖掘影响地方鸡体尺性状的有效SNP位点及功能基因, 给儋州鸡育种工作提供有效的数据基础和理论支撑。【方法】 共采集200只儋州鸡血样并提取基因组DNA, 利用10×全基因组重测序技术获得全基因组SNP标记并对试验个体基因型进行分型。使用EMMAX软件基于混合线性模型对70日龄的儋州鸡体尺性状(胫长、胫围、体斜长、胸宽、髋骨宽、胸深、龙骨长)进行全基因组关联分析。【结果】 共发现与胫长性状和胫围性状基因组水平显著相关的SNPs位点有12和8个, 与胫长性状相关SNPs分别定位于1、2、4和8号染色体上; 与胫围性状相关的SNPs定位于2、4、8和13号染色体上。预测与胫长相关的候选基因为KCNA1、TPK1、EZH2、FSTL5和AMY2A基因, 与胫围相关的候选基因为TPK1、FSTL5、AMY2A、TGFBI、LECT2和IL-9。通过KEGG通路分析和GO注释发现, 8个基因参与钾离子跨膜转运、硫胺素新陈代谢、细胞增殖、钙离子结合、骨骼肌卫星细胞维持与骨骼肌再生、细胞受体相互作用、生长因子活性等生物学进程。【结论】 本研究发现了20个与儋州鸡体尺性状关联的SNPs位点, 并筛选到8个目标性状候选基因, 为儋州鸡育种提供候选的分子标记, 为地方鸡标记辅助选择提供新的思路。     

拷贝数变异全基因组关联分析及数量性状基因座定位联合鉴定猪体高性状候选基因

旨在利用全基因组拷贝数变异区域（copy number variation regions,CNVRs）关联分析以及全基因组数量性状基因座（quantitative trait locus,QTLs）定位联合筛选出影响猪体高性状的候选基因。本研究利用快速检测基因组拷贝数变异软件CNVcaller对本实验室构建的大白×民猪F2代资源群体的重测序数据进行拷贝数变异检测。利用混合线性模型（mixed-linear model,MLM）将性别和胎次作为固定效应对体高性状进行拷贝数变异全基因组关联分析（CNVR-GWAS）。采用软件R/qtl进行QTL分析,并使用置换检验（permutation test,PT）进行检验。将CNVR-GWAS与QTL结果进行联合注释,结合GO富集和KEGG通路分析,对影响猪体高的位点和基因进行挖掘。利用实时荧光定量PCR（qPCR）方法验证候选基因。结果表明,本群体在全基因组范围内共有3 099个CNVRs,其中有两个CNVRs与体高性状在全基因组范围内显著相关,分别位于7号染色体的25 358 001~26 696 400 bp处（CNVR1）和54 087 201~54 090 000 bp处（CNVR2）。在混合线性模型分析的结果中发现,CNVR1拷贝数增加（P<0.01）和CNVR2拷贝数缺失（P<0.01）对猪的体高性状具有显著影响。基因组显著水平可找到2个显著影响猪体高的QTLs,分别为BH-1和BH-2,其中BH-2对体高性状的影响较大。CNVR1和BH-2重叠区存在1个嗅觉受体基因OR12D3和18个未被注释的基因。qPCR验证OR12D3的拷贝数变异与利用混合线性模型统计推断出的结果一致。初步推测,OR12D3基因的拷贝数变异可能与猪体高性状相关。     

巴马香猪产活仔数性状全基因组关联分析

为寻找与巴马香猪产活仔数相关的分子标记,试验利用全基因组关联分析（GWAS）定位并筛选了影响产活仔数性状的候选基因,采集297头具有多胎产仔记录的巴马香猪耳组织样品,提取DNA并利用猪50K SNP芯片进行基因分型,分型结果经质控与基因型填充后,使用Tassel软件对巴马香猪产活仔数性状进行全基因组关联分析。结果显示,巴马香猪平均窝产活仔数在1~9胎内随着胎次增加逐渐升高;经质控过滤后共获得32 816个SNPs位点,利用全基因组关联分析共筛选到8个与巴马香猪产活仔数相关的SNPs位点,分别在基因组或染色体水平达到显著;对关联显著SNP位点上下游500 kb内的编码基因进行富集分析,并依据猪繁殖性状相关QTL区域及基因功能,最终筛选到4个基因（CAPZB、MSH3、CITED2和HSD17B7）作为影响巴马香猪产活仔数的候选基因。     

Genome-wide Association Study on Alive Litter Size Trait in Bama Xiang Pigs

In order to identify the molecular markers related to alive litter size of Bama Xiang pigs,the genome-wide association study (GWAS) was used to map and screen the candidate genes affecting the alive litter size trait.Ear tissue samples of 297 Bama Xiang pigs with multiple parity records were collected,and DNA was extracted and genotyped by porcine 50K SNP beadchip.After quality control and genotype imputation,the alive litter size of Bama Xiang pigs were GWAS by Tassel.The results showed that the average number born alive per litter of Bama Xiang pigs increased gradually with the increasing of parity in the range of 1-9 parities.A total of 32 816 SNPs were obtained after quality control and filtration.8 SNPs related to alive litter size of Bama Xiang pigs were screened by genome-wide association analysis,which were significant at genome or chromosome level.Based on the enrichment analysis of the coding genes in the region between 500 kb upstream and downstream of the associated significant SNP loci,and the QTL regions and gene functions related to porcine reproductive traits,4 genes (CAPZB,MSH3,CITED2 and HSD17B7) were finally identified to be candidate genes related to alive litter size of Bama Xiang pigs.     

戴瑞奶绵羊产奶性状的全基因组关联分析

旨在通过对奶绵羊产奶性状的全基因组关联分析（GWAS）,寻找和定位与奶绵羊产奶性状相关的遗传标记和功能基因。本研究以135只戴瑞奶绵羊为试验材料,基于全基因组重测序技术,通过SAMTOOLS进行单核苷酸多态性（SNP）检测,使用PLINK v1.90进行质控,利用GEMMA v 0.98.1的混合线性模型对质控结果进行奶绵羊产奶性状相关的全基因组关联分析。结果表明,有1个SNP与泌乳后90天日均产奶量在全基因组范围内显著相关,8个SNPs达到潜在显著关联,相关的候选基因包括TRNAQ-CUG-2、LOC114117240、ACADL、MYL1、CHD6、SLCO3A1;有2个SNPs与150天日均产奶量达潜在显著关联,相关的候选基因包括PRMT6、RNF180;有2个SNPs与泌乳周期达潜在显著关联,相关的候选基因包括PRMT6、TRNAW-CCA-68、TRNAS-GGA-61。进一步基因功能分析推测,ACADL、SLCO3A1可能是影响奶绵羊产奶性状的候选基因。本研究为奶绵羊产奶性状的分子机制解析提供了一定的基础,为我国奶绵羊新品种培育提供了一定的理论参考。     

京海黄鸡腹脂重性状的全基因组关联分析

试验旨在揭示京海黄鸡腹脂重性状的遗传基础,寻找可用于京海黄鸡腹脂重性状改良的分子标记。本研究以京海黄鸡核心群母鸡为研究对象,测定屠宰时的腹脂重,利用简化基因组测序技术进行全基因组关联研究(GWAS),检测与腹脂重相关的SNPs位点。结果显示,共检测到5个在全基因组水平上与腹脂重存在潜在显著关联的SNP位点(P<1.1×10^-5),并且4个处于染色体水平显著,分别为rs18144674、rs18144680、rs12246236、rs12257795。其中rs18144674、rs18144680、rs19745739位于2号染色体上一个1.6Mb区域内,rs12246236、rs12257795位于14号染色体上1个12kb区域内。筛选这2个区域0.1Mb范围内的基因,共找到11个可能的候选基因,分别为VIM、TRDMT1、AXIN1、PDIA2、ARHGDIG、gga-mir-1763、gga-mir-1564、CLCN7、ECL1、DNASE1和SDOS基因。使用GO数据库对该基因的细胞组分、分子功能和参与的生物进程进行分析,由结果推断出这些基因可能为影响京海黄鸡腹脂重性状的候选基因。     

Genome-wide Association Study on Abdominal Fat Weight in Jinghai Yellow Chicken

The study was conducted to reveal the genetic basis of abdominal fat weight trait and scan molecular markers which could be used to improve the abdominal fat weight.The abdominal fat weight of female Jinghai Yellow chicken in core group were measured after being slaughtered.Genome-wide association study was carried out using specific-locus amplified fragment sequencing technology to detect SNPs associated with abdominal fat weight.Finally, five SNPs that associated with abdominal fat weight and reached suggestive genome-wide significance (P<1.1×10^-5) were found, and four of them (rs18144674, rs18144680, rs12246236 and rs12257795) reached chromosome significance level.Three SNPs (rs18144674, rs18144680 and rs19745739) located in a 1.6 Mb area of chromosome 2, and two SNPs (rs12246236 and rs12257795) located in a 12 kb area of chromosome 14.Genes in the candidate regions with 0.1 Mb windows were screened.Finally, eleven candidate genes of VIM, TRDMT1, AXIN1, PDIA2, ARHGDIG, gga-mir-1763, gga-mir-1564, CLCN7, ECL1, DNASE1 and SDOS were obtained.The molecular function and biological processes were analyzed using GO database.The results showed that those genes might be candidate genes affecting abdominal fat weight in Jinghai Yellow chicken.     

荣昌猪初产繁殖性状的全基因组关联研究

旨在鉴定荣昌猪初产繁殖性状的重要变异位点和基因,为荣昌猪繁殖性状的遗传改良提供重要的分子标记和基因资源。本研究选取429头荣昌母猪进行猪50K芯片基因分型,经过质量控制和基因型填充后,保留35 046个SNPs用于分析。采用主成分分析法研究群体结构,利用混合线性模型(mixed-linear model, MLM)将出生年、出生月作为固定效应,将主成分值作为协变量对总产仔数、活产仔数、死胎数和初生窝重性状进行全基因组关联分析(GWAS)。结果显示,在全基因组显著水平上鉴定出2个影响荣昌猪初生窝重的SNPs和1个影响荣昌猪死胎数的SNP;在潜在显著水平上鉴定到5个影响荣昌猪总产仔数的SNPs, 3个影响荣昌猪活产仔数的SNPs和10个影响荣昌猪死胎数的SNPs。通过全基因组关联分析筛选到1个显著的SNP(SSC17:57 315 180 bp)同时影响荣昌猪总产仔数、活产仔数和初生窝重,1个显著的SNP(SSC1:279 214 647 bp)同时影响荣昌猪活产仔数和总产仔数,暗示基因在不同性状间具有一因多效性。本研究根据候选基因的相关分子生物学功能,确定BMP7基因为影响荣昌猪总产仔数...     

家畜全基因组关联分析研究进展

全基因组关联分析（genome-wide association study,GWAS）是一种研究经济性状候选基因的分析方法。近年来,随着家畜全基因组测序的完成,大量的单核苷酸多态性（single nucleotide polymorphisms,SNPs）被标识,GWAS也越来越多地应用于家畜重要性状的研究领域中,在动物遗传育种中,通过对家畜基因组进行GWAS分析研究,找到控制家畜主要经济性状的重要SNPs,从而挖掘重要经济性状的候选基因。作者详细综述了GWAS的分析方法及其在重要家畜育种中的研究进展。GWAS分析方法包括基因组控制法（genommic control）、分层分析法（stratification analysis）、主成分分析法（principal components analysis,PAC）和混合线性模型分析法（mixed-linear-model association,MLMA）,通路分析方法包括非核算法（基因功能富集分析（gene set enrichment analysis,GSEA）和分层贝叶斯优取（hierarchical Bayes prioritization,HBP））和核算法。依据不同的目标性状选择合理的分析方法,提高GWAS分析结果的准确性,为进一步利用GWAS分析各种性状的遗传基础提供合理的借鉴。     

Detection of Genome-wide Copy Number Variation Using Porcine 1.4M High-density SNP Chips in Bama Xiang Pigs

The aim of this study was to detect the copy number variation (CNV) in the genome of Bama Xiang pigs and investigate the effect of marker density on the efficiency and accuracy of CNV detection. PennCNV and R-Gada were employed to detect CNVs using the 1.4M high-density SNP chip data of 319 (160 hogs and 159 gilts) Bama Xiang pigs, and the CNV region (CNVR) was constructed by merging overlapping CNVs. Only the CNVR with higher frequency than 5% was verified by the genome-wide association study (GWAS). Finally, according to the marker densities, a certain number of SNPs were evenly extracted, and the effect of marker density on CNV detection efficiency and accuracy was explored. There were 6 327 CNVs detected by PennCNV and 3 489 CNVs detected by R-Gada, which made up of 795 and 340 CNVRs, respectively, including 226 CNVRs identified by both programs. Among the 226 CNVRs, the shortest was 3.98 kb, the longest was 1 297.78 kb, and their total length was 33.27 Mb, of which 102 (45%) overlapped the CNVRs reported previously. Among the 795 CNVRs detected by PennCNV, 135 had a higher frequency than 5%, 20 of which had been verified by GWAS, and the verification rate was 15%. With the SNP density increasing, the efficiency and accuracy of CNV detection were increased, especially for the small size CNVs. A CNVR sketch of Bama Xiang pigs had been drawn using 1.4M SNP chips, which was helpful to identify CNVRs associated with important economic traits in the future. At the same time, we revealed the positive effect of marker density on the efficiency and accuracy of CNV detection, and the results provided a reference of choosing marker density for the follow-up research of CNV detection.     

利用猪1.4M高密度SNP芯片检测巴马香猪全基因组拷贝数变异

旨在检测巴马香猪基因组上的拷贝数变异（CNV）,并探究标记密度对于CNV检测效率和准确率的影响。本研究利用319头巴马香猪（其中阉公猪160头和母猪159头）1.4M高密度SNP芯片的数据,采用PennCNV和R-Gada两种软件进行CNVs检测;然后通过重叠CNV融合法,构建拷贝数变异区域（CNVR）,并用全基因组关联分析（GWAS）对频率大于5%的CNVR进行验证;最后根据不同的标记密度,均匀抽取一定数目的SNPs来探究标记密度对CNV检测效率和准确性的影响。结果,PennCNV和R-Gada软件分别检测到6 327和3 489个CNVs,分别构成795和340个CNVRs,其中226个为共同CNVRs。在这226个共同CNVRs中,最短的为3.98 kb,最长的为1 297.78 kb,总长度为33.27 Mb,其中102个（45%）与前人报道的CNVRs重叠。在PennCNV检出的795个CNVRs中,有135个频率大于5%,其中20个得到GWAS验证,验证率为15%。随着SNP密度的逐渐增加,CNV的检测效率和检测准确性不断提高,尤其是小片段CNVs的检测效率。本研究利用1.4M SNP芯片的数据,通过PennCNV和R-Gada软件绘制巴马香猪CNVR的草图,为将来鉴别与重要经济性状相关的CNVRs奠定了基础。同时,揭示了标记密度对CNV检测效率和准确性有正面影响,为后续CNV研究选择合适的标记密度提供了一定的参考。     

畜禽生长发育相关性状的全基因组关联分析研究进展

全基因组关联分析(GWAS)是近年兴起的用于分析复杂性状的重要研究方法。高通量测序技术的成熟发展使得基于全基因组测序技术和基因芯片技术的GWAS解析畜禽复杂性状成为可能,GWAS的运用对畜禽经济性状相关的SNP、QTL和候选功能基因研究起到关键作用。本文主要对GWAS的基本原理和方法、优劣势以及GWAS在畜禽生长发育相关性状中的应用现状进行综述,并对GWAS在今后畜禽育种中的应用前景进行展望,以期为GWAS在畜禽育种中的深入研究提供参考。     

93份无芒雀麦种质资源产量性状的全基因组关联分析

为了解无芒雀麦（Bromus inermis）群体亲缘关系,同时挖掘控制产量相关性状的基因位点,本试验利用单核苷酸多态性（Single nucleotide ploymorphism,SNP）标记对来自国内外93份无芒雀麦进行全基因组扫描,对茎重、干草产量、节数、鲜草产量、叶重、株高、叶长、茎粗、叶宽、穗长10个重要产量性状进行全基组关联分析和群体遗传结构分析。结果表明,93份无芒雀麦共鉴定到95 708个有效SNP标记;经构建系统进化树分析,93份无芒雀麦种质材料被分成了3个类群,第I类群材料为祖先种群,第II类群材料和第III类群材料为进化分支群;通过对10个数量性状的全基因组进行关联分析,株高、穗长、茎粗、节数、叶长、叶宽、鲜草产量、干草产量、茎重、叶重分别筛选到20,24,19,21,29,19,26,31,25,33个核心SNP标记（P<0.001）。这些SNP标记经进一步筛选鉴定,可有效提高无芒雀麦新种质的分子鉴定效率,对加快无芒雀麦育种进程、加强生物多样性保护具有重要意义。     

北京黑猪NR6A1、VSX2、VRTN、LTBP2基因多态性与脊椎数及胴体性状的关联分析

旨在研究NR6A1、VSX2、VRTN、LTBP2基因在北京黑猪群体中基因的多态性与脊椎数和胴体性状(胴体长、胴体直长、胴体斜长及胴体重)的关联。本研究提取410头(210±7)日龄健康北京黑猪耳组织DNA,通过PCR技术和Sanger测序技术对4个基因外显子区进行基因分型,计算变异位点基因型频率以及等位基因频率的分布,并与脊椎数和胴体性状进行关联分析。结果表明,在VSX2、VRTN、LTBP2三个基因中共筛选到15个SNPs,其中包含1个CDS区的同义突变和14个3'UTR突变。使用Duncan's多重检验统计分析发现,VSX2基因中CDS区的1个突变c.536 G＞A与脊椎数关联显著(P＜0.05)。VRTN中3'UTR区共4个突变与性状关联显著(P＜0.05),其中c.2598 A＞G和c.2607 G＞T与脊椎数、胴体长、胴体直长及胴体斜长关联显著,c.3087 G＞C只与胴体斜长关联显著,c.3094 A＞G与脊椎数及胴体斜长关联显著(P＜0.05)。LTBP2上6个3'UTR突变位点(c.7158 A＞G、c.6869 C＞T、c.6319 G＞C、c.6246 G＞T、c.6170 A＞G、c.6079 G＞T)与脊椎数关联显著(P＜0.05),但与胴体性状关联不显著。综上所述,VSX2、VRTN、LTBP2基因中共有10个SNPs与脊椎数性状关联显著(P＜0.05),仅VRTN基因中4个SNPs与胴体性状关联显著(P＜0.05)。这些关联显著的SNPs可以作为北京黑猪脊椎数及胴体性状变异的候选基因功能位点。     

Genome-wide association for milk production and lactation curve parameters in Holstein dairy cows

The aim of this study was to identify genomic regions associated with 305-day milk yield and lactation curve parameters on primiparous (n = 9,910) and multiparous (n = 11,158) Holstein cows. The SNP solutions were estimated using a weighted single-step genomic BLUP approach and imputed high-density panel (777k) genotypes. The proportion of genetic variance explained by windows of 50 consecutive SNP (with an average of 165 Kb) was calculated, and regions that accounted for more than 0.50% of the variance were used to search for candidate genes. Estimated heritabilities were 0.37, 0.34, 0.17, 0.12, 0.30 and 0.19, respectively, for 305-day milk yield, peak yield, peak time, ramp, scale and decay for primiparous cows. Genetic correlations of 305-day milk yield with peak yield, peak time, ramp, scale and decay in primiparous cows were 0.99, 0.63, 0.20, 0.97 and −0.52, respectively. The results identified three windows on BTA14 associated with 305-day milk yield and the parameters of lactation curve in primi- and multiparous cows. Previously proposed candidate genes for milk yield supported by this work include GRINA, CYHR1, FOXH1, TONSL, PPP1R16A, ARHGAP39, MAF1, OPLAH and MROH1, whereas newly identified candidate genes are MIR2308, ZNF7, ZNF34, SLURP1, MAFA and KIFC2 (BTA14). The protein lipidation biological process term, which plays a key role in controlling protein localization and function, was identified as the most important term enriched by the identified genes.     

利用中芯一号SNP芯片检测隆林猪全基因组拷贝数变异

【目的】检测隆林猪的全基因组拷贝数变异。【方法】采集33头隆林猪的耳组织样本,通过酚-氯仿法提取DNA后,使用猪中芯一号50K SNP芯片进行基因分型,得到的原始数据通过Genomestudio软件和Linux系统进行处理,使用CNVPartition和PennCNV软件分别检测拷贝数变异(copy number variation, CNV),并利用Bedtools软件将CNV合并为拷贝数变异区域(copy number variation region, CNVR),使用Biomart对CNVR进行基因定位,利用David网站对定位到的基因进行GO和KEGG富集分析,使用猪QTL数据库对共同CNVR进行QTL注释。【结果】CNVPartition软件共检测到260个CNVs,合并为47个CNVRs,其中缺失型40个、获得型5个、混合型2个,共定位到84个基因,显著富集到13条信号通路;PennCNV软件共检测到96个CNVs,合并为15个CNVRs,其中缺失型9个、获得型1个、混合型5个,共定位到8个基因,显著富集到8条信号通路;2个软件检测结果定位到的基因主要富集在嗅觉相关通路和...     

北京黑猪HoxB簇基因多态性与脊椎数及胴体性状的关联分析

旨在对北京黑猪HoxB簇9个基因(HoxB1-7、9和13)的多态性与脊椎数和胴体性状(胴体长、胴体直长、胴体斜长及胴体重)进行关联分析。本研究提取251头220日龄的健康北京黑猪耳组织DNA,对HoxB簇的9个基因通过引物设计、聚合酶链式反应(PCR)技术、Sanger测序技术等对SNPs进行基因分型,并计算变异位点基因型频率以及等位基因频率分布,并与脊椎数和胴体性状进行关联分析。结果,本试验共筛选到4个基因共12个非编码区的(UTR)SNPs,包括HoxB2基因的1个5′UTR突变、HoxB5基因的2个3′UTR突变、HoxB9基因的2个3′UTR突变以及HoxB13基因的7个3′UTR突变。将12个SNPs分别与脊椎数和胴体性状使用Duncan′s多重检验统计分析发现,HoxB2基因的1个5′UTR突变(c.40 C>T)、HoxB5基因的2个3′UTR突变(c.1766 A>G、c.1767 A>G)均与性状关联不显著(P>0.05);而HoxB9基因中的1个3′UTR突变(c.2743 C>T)与胴体性状关联显著(P<0.05),HoxB1...